Skor klasifikasi akhir hanya berguna jika Anda bisa menjelaskan penyebutnya. Set latihan ini menggilir classifier yang dilatih, baseline tanpa fitur, dan metrik yang berbeda-beda. Setiap tim fiktif memiliki catatan baru, jadi hitung hasil yang diminta dari array yang disediakan, jangan membawa angka dari tugas sebelumnya.
Pertahankan kelas positif tetap pada 1. Presisi menggambarkan alert yang akan ditinjau tim, sedangkan recall menggambarkan kasus positif yang akan ditemukannya. F1 menyeimbangkan kedua rasio itu, dan akurasi menghitung semua label yang benar. Model yang hanya memprediksi kelas mayoritas bisa membuat akurasi terlihat lebih baik daripada cakupannya terhadap kelas positif. Tugas-tugas ini memakai metode sebelumnya tanpa memperkenalkan estimator lain. Pertahankan partisi uji sepanjang proses, termasuk saat Anda melatih baseline yang paling sederhana.
Estimator yang sudah di-fit belajar dari partisi pelatihan. Memprediksi masukan yang disisihkan menghasilkan satu keluaran untuk setiap pengamatan uji, siap dievaluasi.